pytorch的nn.Upsample，查看上采样效果

最新推荐文章于 2025-02-21 14:36:34 发布

那里，春暖花开

最新推荐文章于 2025-02-21 14:36:34 发布

阅读量5.4k

点赞数 2

分类专栏： nn.upsample 文章标签：深度学习

本文链接：https://blog.youkuaiyun.com/qq_37025073/article/details/107155641

版权

nn.upsample 专栏收录该内容

1 篇文章

订阅专栏

本文通过两个实例展示了如何使用PyTorch中的nn.Upsample模块进行图像上采样，包括设置输出形状和缩放因子，以及从图片文件读取数据到转换为Tensor并进行上采样的完整流程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一个简单的使用torch.nn.Upsample的例子

   import torch
    import torch.nn as nn
    output_shape = [64,48]
    up = nn.Upsample(size=output_shape, mode='bilinear', align_corners=True)
    #up = nn.Upsample(scale_factor=2, mode='bilinear', align_corners=True)
    input = torch.rand(32,17,32,24)
    output = up(input)
    print(output.shape)

使用Image类读取图片，转为numpy数组，HWC转为CHW，然后转为[1,C,H,W],再转为Tensor,数据类型转为float。利用upsample进行上采样。再按相反的顺序，最终转为Image类的格式，显示出来。


import torch
import torch.nn as nn
from  PIL import Image
import numpy as np

m = nn.Upsample(scale_factor=2, mode='nearest')
up = nn.Upsample(scale_factor=2, mode='bilinear', align_corners=True)

file = 'lena.png'
img = Image.open(file)
# img.show()
im_array = np.array(img).transpose((2,0,1))[np.newaxis, :]
im_array = torch.from_numpy(im_array).type(torch.FloatTensor)

img_up = up(im_array)

img = img_up.numpy().squeeze().transpose((1,2,0)).astype(np.int8)

img = Image.fromarray(img, 'RGB')
img.show()